基于肤色和运动检测技术的单目视觉手势分割

在分析肤色的信息特征和手势的运动特性基础上,构建了一种基于单目视觉的手势分割方法,可从视频图像序列中获取有意义的手势区域.针对确定的背景图像,以10帧的采样间隔采集手势图像,通过肤色信息特征来获得手势的肤色区域,同时通过差分法获得手势的运动区域,再将肤色区域与运动区域进行融合处理获得初始的手势区域,在此基础上,进一步研...     

基于单目视觉的距离测量研究

针对目前单目视觉中依靠图像标定及其在双目视觉中立体匹配方法的不足,提出了利用单目视觉测量物体与镜头之间距离的测距方法。首先利用步进电机控制镜头移动来引起图像放大倍数的变化,然后根据图像的放大倍数和镜头移动的距离来计算镜头与物体之间的距离,距离计算的准确性已通过测量试验得到验证。     

基于单目视觉的移动机器人导航方法

针对光照强度大范围变化的室外复杂道路环境下移动机器人视觉导航问题,提出了一种新的基于彩色图像处理的单目机器人导航方法。对于预先设置的引导轨线和停靠位标识,通过HSI模型对图像进行颜色分割和数学形态学处理,提取出导航目标和识别停靠位标识,并用“采样估算”的方法计算导航参数。实验表明此方法获取的导航参数受光照和地面环境的影响不大,且偏离导航线误差较低,具有较好的实时性和鲁棒性。     

基于手势识别的智能输入系统

随着虚拟环境的发展,人机交互中键盘远远不能满足人们的要求,本文提出了一种基于手势识别方法的智能输入算法.该算法采用肤色分割提取出手部区域,检测大拇指和伸出的手指数目识别出手势的含义,把各种手势组合起来实现智能输入.该算法能够使用户根据自己的习惯来定义手势,更好的实现人机交互.实验结果表明该算法对获取手势图片时的外界干扰具有一定的鲁棒性,并能达到较高的成功率.     

深度补全的无动态对象单目视觉SLAM研究

现有的单目视觉SLAM方案为了提高精度,大多都是通过增加各种传感器来实现的,这并没有将单目相机的表现发挥到极致。文章提出了一个基于ORB-SLAM3的视觉SLAM系统,旨在最大化地利用单目资源,在单目相机的基础上通过增加深度预测网络来模拟深度相机,利用CNN和ORB融合的方法进行特征点提取,并结合深度图进行特征过滤,旨在提高驾驶场景单目相机位姿预测精度,同时为避免动态对象对SLAM系统造成的干扰,文章引入了图像的实例分割网络。     

基于单目视觉的移动机器人伺服镇定控制

针对轮式移动机器人的单目视觉伺服镇定问题,在深度信息、机器人坐标系与摄像机坐标系间平移参量未知、摄像头光轴具有固定倾角的情况下,建立了移动机器人在摄像机坐标系下的运动模型.针对该模型提出了一种基于平面单应矩阵分解的鲁棒自适应控制方法,保证了误差的全局指数收敛.仿真和实验结果表明:所设计的控制器可以保证移动机器人指数收敛到期望的位姿,同时所设计的鲁棒自适应控制器对参数不确定性具有一定的鲁棒性.     

基于单目视觉的车距测量方法综述

测距是实现车辆安全系统的关键技术,计算机视觉提供人类视觉的计算模型。在总结国内外已有的车辆测距的理论的基础上,比较了机器视觉中单目视觉和立体视觉测距的优缺点,重点总结了国内已有的基于单目视觉的车距测量方法,并给出了相应的原理及测距模型。最后,给出了每一种方法存在的优点和一些不足,并对未来进行了展望。     

基于单目视觉的车辆3D空间检测方法

针对基于单目车辆检测的3D包围框检测精确率比较低的问题,提出了一种基于改进的FPN特征融合、ResNet残差单元、全连接层组合而成的新网络方法.在训练阶段,回归车辆的三维尺寸、残差角度和置信度;在推理阶段,检测出所属类别车辆的三维尺寸和局部角度(α).由车辆的3D包围框中心点坐标、车辆的三维尺寸、车辆偏航角(θ)和相机内参矩阵复原绘制出车辆的3D包围框.所提方法在KITTI验证集上进行了实验,与原方法的检测结果相比,改进的方法在容易、适中、困难三个检测等级下提升了车辆3D包围框平均精确率(AP_3D)为0.60%,1.37%,1.41%.     

基于单目视频的手术器械相对工作空间估计方法

由于单目手术视频的镜头参数未知,仅凭该单目图像难以准确估算内镜镜头下的手术器械的三维坐标．针对这一问题,提出一种手术器械相对工作空间的估计方法．首先,对用U-Net网络分割后的掩膜图像进行直线检测,对图像坐标系下的直线映射到参数空间上的点进行聚类,从而优化直线检测效果．然后,利用边缘线段的相对几何位置特征对因网络分割效果欠佳导致的边缘线段残缺进行补足,从而提取出与目标边缘高度拟合的完整线段.结合目标器械实际尺寸与图像尺寸间的比例关系,利用平行线在投影平面上的消隐点特性计算出目标器械目标点处的实际三维坐标．最后,进行测距实验和轨迹跟踪实验.实验结果表明：该方法较磁导航传感器准确度高、鲁棒性强,距离测量精度可达2.658 1 mm,轨迹拟合度达91.2%,满足实际情况下手术器械相对工作空间的估算要求．     

基于单目视觉的传送带上产品定位技术

提出了一种基于单目视觉的传送带上产品定位技术.该技术利用相机的针孔模型,基于张正友的平面标定方法,通过数字图像处理技术实现了对传送带上产品的准确定位.在定位过程中引入了图片加框技术,显著降低了复杂场景带来的误差.实验结果表明:该方法可以有效地实现传送带上单个或多个物体的定位;其中单物体定位的平均误差为1.8‰,多物体定位的平均误差小于1.1‰.     

增强现实单向物理交互技术的研究与实现

增强现实技术可以将计算机产生的虚拟物体或信息与真实环境进行合成,是由虚拟现实技术发展出来的新研究领域.AR系统中真实物体和虚拟物体除了实现视觉上的融合之外,还要能够实现虚实物体间的交互.本文介绍了增强现实环境下真实物体对虚拟物体的单向物理交互技术及相关原理,并给出了其在单目视觉系统及ARToolKit平台下的具体实现。     

基于单目视觉的平面位姿估算

位姿的测量在航空航天、汽车制造等领域都有着重要的应用价值。基于单目视觉测量系统,通过对平面上已知空间坐标的4个特征点的有效提取以及数据最优化方法,实现平面位姿的测量。本章中被测平面上采用4灰度值对比度大而区域面积较小的特征圆点实现对特征点快速提取,简化了图像处理的过程。实验结果表明该测量结果符合实际的位姿。     

基于单目视觉的工业机器人抓取系统设计

针对工业机器人在示教模式下上料无法对位姿出现偏差的工件完成抓取的问题,设计了一种基于单目视觉的工业机器人抓取系统。系统使用单目视觉采集工件图像,利用九点标定法将图像中的工件形心坐标转换为机器人坐标系下的坐标;通过图像处理算出工件的旋转角度,引导机器人运动至目标位置并配合抓手完成对工件的抓取。最后以PCB为对象搭建了抓取系统,经过多次抓取实验,发现该抓取系统位置误差在2 mm以内、姿态误差在1.5°以内,能够满足自适应抓取工件的定位要求。     

基于单目视觉测距的测高测面积方法

利用单目摄像头所建立的三维测距模型,提出了一种地面上任意物体实际高度测量的计算方法。同时为了克服双目视觉对应点匹配和面积计算所利用的像素当量产生的误差,提出了一种更精确的目标实际面积测量方法。首先,利用三维几何测距模型,推算得出地面上任意一点到摄像头的距离计算公式,并根据透射点几何转换得到一种地面上物体高度的测量方法。其次,依据成像模型,与特定选取的世界坐标系、摄像机坐标系、图像坐标系三者之间的关系,推算出一种新的测量目标实际面积的方法。最后通过实验对误差进行了分析,提出了误差来源与相应的解决思路,证实了该方法的有效性。     

一种单目视觉测距方法的研究

提出一种在利用单目视觉测算前方障碍物距离和角度的方法。利用计算机视觉理论和方法,探讨仅利用针孔成像原理和几何坐标变换,计算障碍物位置的方法。实验结果表明该方法是有效的。     

单目视觉计算球体中心坐标

针对摄像头参数未知的情况,推导出基于单目视觉的球体中心在三维空间中坐标的计算公式,使用了像素间距表示的焦距这一概念,从而在推导出的公式中避免了未知参数--摄像头焦距的出现,实验结果表明该方法具有较好的稳定性和较高的精确度.     

基于单目视觉的Delta机器人零点标定方法

针对实际工程应用中少自由度高速抓放并联机器人的精度问题,提出了一种基于视觉测量的快速标定方法.以Delta机器人为例,通过系统分析和机构合理简化,建立了零点误差模型.构造出基于单目视觉平面测量的零点误差辨识模型,借助单目视觉仅检测机器人动平台沿水平面运动时末端x、y向的位置误差,识别出零点误差,进而修改零点位置实现末端位置误差补偿.标定实验结果表明该方法简单、有效、实用性强.     

基于单目视觉的网球运动员持拍手运动轨迹检测方法

网球运动员持拍手动作变化速度较快,导致其运动轨迹检测效果较差,为此,提出基于单目视觉的网球运动员持拍手运动轨迹检测方法。利用帧差法分割运动视频图像,得到持拍手候选区域,通过分割肤色区域获取最终的持拍手图像,完成运动轨迹检测。实验表明,该方法可有效采集网球运动员运动视频图像,可精准检测持拍手运动轨迹,该方法运动轨迹检测的AUC值均较高,具备较高的检测精度。     

基于单目视觉和惯性测量的飞行器自定位研究

为了获得飞行器高精度、高稳定性的定位结果, 结合低成本的单目摄像机和惯性测量单元, 通过对单目视觉和惯性测量进行多传感器融合, 实现飞行器的自定位。 视觉定位模块中, 对 3 种当前最新的单目视觉定位方法分别进行不同场景下的实验和比较, 分析它们各自用于飞行器定位时的优势和劣势。 为了解决视觉定位对图像特征的依赖问题, 引入一种基于扩展卡尔曼滤波的多传感器融合方法, 将视觉定位和惯性测量以松耦合方式进行融合, 用惯性测量补偿因视觉定位不稳定而产生的误差。 实验证明, 该方法在视觉定位不稳定的情况下能有效降低定位结果的误差。